pytorch学习笔记

Tensor的维度操作

1.unsqueeze(增加维度)

       用法:torch.unsqueeze(input, dim) 或者 tensor.unsqueeze(dim)

  input为输入的tensor，dim为增加的维度，如果指定tensor的话就可以只输入dim

import torch

x = torch.randn(5, 6)
y = torch.unsqueeze(x, 0)
z = torch.unsqueeze(x, 2)
d = x.unsqueeze(1)

print(x.shape)
print(y.shape)
print(z.shape)
print(d.shape)


# 输出:
torch.Size([5, 6])
torch.Size([1, 5, 6])
torch.Size([5, 6, 1])
torch.Size([5, 1, 6])

2.squeeze(减少维度)

• 和unsqueeze()方法相反，除去数值为1的维度需要注意的是删除的维度只能为1。

import torch

x = torch.randn(1,5, 6)
y = torch.squeeze(x, 0)
z = torch.squeeze(x, 1)
d = x.squeeze(0)

print(x.shape)
print(y.shape)
print(z.shape)
print(d.shape)

#输出：
torch.Size([1, 5, 6])
torch.Size([5, 6])
torch.Size([1, 5, 6])
torch.Size([5, 6])

3.repeat(维度扩张)

• repeat(*size) 复制维度上的张量*size指定每个维度复制多少次

import torch

x = torch.randn(5, 6)
y = x.repeat(3,4)
z = x.squeeze(0).repeat(3,4,5)

print(x.shape)
print(y.shape)
print(z.shape)


#输出:
torch.Size([5, 6])
torch.Size([15, 24])
torch.Size([3, 20, 30])

4.narrow(获取张量在指定维度上的子张量)

• narrowed_tensor = tensor.narrow(dim, start, length)

import torch

x = torch.tensor([[1, 2, 3],
                  [4, 5, 6],
                  [7, 8, 9]])
y = x.narrow(0, 1, 2)
print(x.shape)
print(y)
print(y.shape)

#输出:
torch.Size([3, 3])
tensor([[4, 5, 6],
        [7, 8, 9]])
torch.Size([2, 3])

5.reshape/view（改变维度的形状）

• 从功能上来看，它们的作用是相同的，都是用来重塑 Tensor 的 shape 的。view 只适合对满足连续性条件 (contiguous) 的 Tensor进行操作，而reshape 同时还可以对不满足连续性条件的 Tensor 进行操作，具有更好的鲁棒性。view 能干的 reshape都能干，如果 view 不能干就可以用 reshape 来处理。建议无脑使用reshape
• reshape(input,shape) 将输入的张量改变为指定的shape,注意改变前后所有维度的乘机应该相同

import torch

x = torch.randn(5,6)

y = torch.reshape(x,(15,2))
print(x.shape)
print(y.shape)


#输出:

torch.Size([5, 6])
torch.Size([15, 2])

6.permute(对制定维度的顺序进行重拍)

• Tensor.permute(*dims)接受一个可变数量的参数dims，用于指定新的维度顺序

a = torch.arange(12).reshape(1,3,4)
b = a.permute(1,0,2)
print(a)
print(b)
print(a.shape)
print(b.shape)
#输出

tensor([[[ 0,  1,  2,  3],
         [ 4,  5,  6,  7],
         [ 8,  9, 10, 11]]])
tensor([[[ 0,  1,  2,  3]],

        [[ 4,  5,  6,  7]],

        [[ 8,  9, 10, 11]]])
torch.Size([1, 3, 4])
torch.Size([3, 1, 4])

7. transpose(用于对张量进行转置操作。它可以交换张量的两个维度，从而改变张量的形状。)

• 语法：torch.transpose(input, dim0, dim1)
input：要进行转置操作的输入张量。
  dim0、dim1：要交换的两个维度。

8.flatten(把指定张量打平为一维)

9.cat(将多个张量沿指定维度进行拼接（连接）)

• 语法：torch.cat(tensors, dim=0, out=None)
tensors是一个要拼接的张量序列，可以是一个张量列表或元组。
  dim是指定拼接的维度，默认为0。
  out是一个可选的输出张量，用于指定结果张量的存储位置。

10.stack(沿着新的维度对给定序列的张量进行堆叠)

• 语法：torch.stack(tensors, dim=0, out=None)
tensors：要堆叠的张量序列。
  dim：沿着哪个维度进行堆叠的维度，是一个整数值。
  out：（可选）输出张量。如果指定了该参数，结果将存储在这个张量中。如果没有指定，将创建一个新的张量。